用C语言写梯度下降法求多个经纬度坐标的中心点

文章目录

• 前言
• 一、梯度下降法是什么？
• 二、使用步骤
  • 1.欧氏距离函数
  • 2.求导函数
  • 3.梯度下降函数
• 三.经纬度数据：
• 总结

前言

当得到10个及以上的以经纬度为坐标的点时，我们往往需要得到其中心点，但大多数算法都是很暴力的直接求算数平均，效果不佳，所以想到了梯度下降法，但是它的难点也是显而易见的，怎么规划步长？

算法的核心思想：得到的中心点是与各个点之间的距离和是最小的。

---

提示：以下是本篇文章正文内容，下面案例可供参考
一、梯度下降法是什么？

具体的，请参考这里，作者水平有限，就不多说了：

梯度下降算法原理讲解——机器学习_Arrow and Bullet-CSDN博客_梯度下降法

二、使用步骤

1.欧式距离函数

代码函数头如下（示例）：（由于特殊原因，我不能直接给出源代码，（指针用的太垃圾了，容易误导比别人😂））

不过，你们可以参考一下python的源码梯度下降-5463. 服务中心的最佳位置_yangzijiangtou-CSDN博客_服务中心的最佳位置，

我的只有步长发生了变化：变成了0.01

2.求导函数

double* GetDeri(double x,double y,double *q[2],int len)
//参数含义与上同

3.梯度下降函数

double* GetMinDistSum(double *q[2],int len)
//参数含义与上同
//这里需要说明，要注意浮点数精度的问题，step不断除2，会从0.000001-》0.000000，这时候step，不是0，如果要退出程序，记得和10e-7比较。
//python中求绝对值是abs(),C语言对于浮点数是fabs(),注意哦。

三.经纬度数据：

[(120.022991,42.332668),(117,40.527075),(120.820795,39.084449),(118.470878,38.303049),
   (112.5,37.490659),(117.0,37.780937),(110.157332,36.967925),(112.5,36.019736),
   (114.842668,36.967925),(112.5,39.907371),(112.5,35.255533),(113.779452,36.546141),
   (115.86597,37.360651),(113.748282,38.376738),(115.150882,39.331714)]

说明：该数据由硕士学问论文中计算得出，下图是该论文封面：

---

总结

以上就是今天要讲的内容，本文仅仅简单介绍了梯度下降法的使用，读者可以对比者python版的，自行写出程序